基于馬爾可夫邏輯網(wǎng)的文本推理技術(shù).pdf

1、隨著人工智能領(lǐng)域在近年來(lái)的飛速發(fā)展，人們對(duì)于計(jì)算機(jī)理解自然語(yǔ)言的能力提出了嶄新的要求。而文本推理技術(shù)作為自然語(yǔ)言理解領(lǐng)域的研究基礎(chǔ)，與信息檢索、信息抽取、自動(dòng)問(wèn)答、機(jī)器翻譯等諸多自然語(yǔ)言處理研究領(lǐng)域有著密不可分的聯(lián)系，也因此受到了世界各研究機(jī)構(gòu)與研究人員的廣泛關(guān)注。
　　文本推理是對(duì)于兩段給定的自然語(yǔ)言文本，判斷出它們之間邏輯關(guān)系，包括邏輯蘊(yùn)涵、等價(jià)、獨(dú)立、矛盾。而目前最廣泛使用的用于解決文本推理問(wèn)題的方法是基于機(jī)器學(xué)習(xí)框架的文本

2、推理技術(shù)。該方法通過(guò)不同的方式從自然語(yǔ)言文本中提取出各種不同層次的語(yǔ)法、語(yǔ)義特征，然后使用決策樹(shù)、KNN、SVM等機(jī)器學(xué)習(xí)方法進(jìn)行模型的訓(xùn)練，并最終使用分類(lèi)的方法得到文本之間的邏輯關(guān)系。
　　基于機(jī)器學(xué)習(xí)框架的文本推理方法所面臨的一大難點(diǎn)在于特征表達(dá)方式的局限性。在自然語(yǔ)言中相同的詞在不同語(yǔ)境中可能代表不同的意思，相同的語(yǔ)義也可以通過(guò)不同的表達(dá)方式進(jìn)行表達(dá)，而復(fù)雜的句法結(jié)構(gòu)更是可以使得相同的詞語(yǔ)通過(guò)不同的排列方式表達(dá)出完全不同的語(yǔ)

3、義。這種自然語(yǔ)言的多樣性是基于機(jī)器學(xué)習(xí)的文本推理技術(shù)的特征表達(dá)方式所難以適應(yīng)的，也是文本推理問(wèn)題本身的最大難點(diǎn)。
　　為了從一定程度上解決這種問(wèn)題，本文提出了基于馬爾可夫邏輯網(wǎng)的文本推理技術(shù)。馬爾可夫邏輯網(wǎng)是結(jié)合了概率圖模型與一階謂詞邏輯的機(jī)器學(xué)習(xí)方法，該方法通過(guò)為知識(shí)庫(kù)中的每個(gè)一階謂詞邏輯準(zhǔn)則賦權(quán)重的方式同時(shí)克服了概率模型特征表達(dá)方式的局限性與一階謂詞邏輯推理處理不確定性的缺陷。我們從包括字符串級(jí)別、表層語(yǔ)義和深層語(yǔ)義的不同層面